术中脑肿瘤分类换掉2018年旧标签:94例儿童病例中85例给出高置信正确诊断
面向术中稀疏甲基化谱的中枢神经系统肿瘤分类器 Sturgeon V2 改用近一万份重新标注的甲基化谱训练,不再依赖2018年那套2801份样本的参考集。此前公开的稀疏谱分类器都建立在这套旧参考和旧分类体系上。在94例回顾性儿童术中病例中,V2 高置信正确85例,V1 为78例;在1880次模拟测序中,高置信判读的错误率从7.1%降到2.8%。
5 篇关联报道
面向术中稀疏甲基化谱的中枢神经系统肿瘤分类器 Sturgeon V2 改用近一万份重新标注的甲基化谱训练,不再依赖2018年那套2801份样本的参考集。此前公开的稀疏谱分类器都建立在这套旧参考和旧分类体系上。在94例回顾性儿童术中病例中,V2 高置信正确85例,V1 为78例;在1880次模拟测序中,高置信判读的错误率从7.1%降到2.8%。
这篇综述横跨社区与登记调查、队列与生物样本库、电子健康记录、数字表型、脑影像、基因组学及其他组学、随机对照试验七个领域,梳理大数据在精神病学中的进展、约束与未来方向,指出大数据推动了跨学科研究并揭示了精神障碍机制的复杂性、异质性与变异性,但样本量大并不保证估计更精确,从大数据到临床应用的转化仍存在差距,未来需在数据质量与方法严谨性、概念模型与临床问题上同等用力。
该工作提出 TG-OT,一个全自动的 CCTA-IVUS 配准框架:先用轻量 CNN 在拓扑 (θ, z) 圆柱上预测钙化、分叉与管腔半径(并额外检测 IVUS 导丝伪影),再把冻结的检测器直接嵌入可微配准流程,以圆柱几何上的非平衡 Sinkhorn 最优传输损失加 Dice 项驱动中心线形变参数优化,辅以管腔半径匹配;在 Erasmus 大学医学中心 IMPACT 研究的 N=47 例配对 CCTA-IVUS 数据、5 折交叉验证下,无需人工交互与任何预先分割即达到纵向 Dicectl=0.99、旋转 Sc=0.96、管腔 DiceL=0.69,并在严重导管旋转漂移病例上优于 Dice-only 基线(Wilcoxon 符号秩 p<0.01)。
该研究在三个国际中心的1,095名致病或可能致病肌节变异携带者中,用已验证的AI-ECG模型从12导联心电图图像生成HCM评分,发现其识别基线HCM表型的AUROC为0.91、识别显性HCM为0.92,在基线基因阳性/表型阴性者中评分每升高1个标准差与随访期发生HCM相关(未校正HR 1.55,校正后HR 1.38),并在57,007名UK Biobank参与者中显示AI-ECG评分与多基因风险评分相互独立且相加,二者同时偏高者HCM的校正比值比为60.2。
这项回顾性单中心外部验证研究纳入100例连续接受临床指征OCT检查的患者,用既往开发的OCT-AID算法对2560个可分析帧进行全血管像素级自动标注,并与专家人工判读的参考标准逐帧比较,结果显示钙化斑块识别(κ=0.88)与定量(组内相关系数0.79–0.93)表现优异、接近观察者间变异,脂质斑块识别与定量表现合理(κ=0.68;脂质弧组内相关系数0.79;最小纤维帽厚度组内相关系数0.59)且总体优于观察者间变异,而低患病率特征(如斑块破裂)表现有限,提示在真实世界连续患者数据中全自动OCT评估可行且与观察者间变异相当。
已读完全部报道